Ang Artipisyal na Neural Networks (ANN) ay ang mga piraso ng isang sistema ng computing na idinisenyo upang gayahin ang paraan ng pag-aaral at utak ng mga utak ng tao. Ang mga ito ang mga pundasyon ng Artipisyal na Intelligence (AI) at malulutas ang mga problema na maaaring mapatunayan na imposible o mahirap sa pamamagitan ng mga pamantayan ng tao o istatistika. Ang ANN ay may mga kakayahan sa pag-aaral sa sarili na nagbibigay-daan sa kanila upang makabuo ng mas mahusay na mga resulta habang maraming magagamit na data.
Paglabag sa Artipisyal na Neural Networks (ANN)
Ang Mga Artipisyal na Neural Networks (ANN) ay naglalagay ng paraan para mabuo ang mga aplikasyon sa pagbabago ng buhay para magamit sa lahat ng sektor ng ekonomiya. Ang mga platform ng Artipisyal na Intelligence (AI) na itinayo sa ANN ay nakakagambala sa tradisyonal na paraan ng paggawa ng mga bagay. Mula sa pagsasalin ng mga web page sa iba pang mga wika hanggang sa pagkakaroon ng isang virtual na mga katulong na order ng groceries sa online upang makipag-usap sa mga chatbots upang malutas ang mga problema, ang mga platform ng AI ay pinadadali ang mga transaksyon at ginagawang ma-access ang lahat sa lahat ng mga kapabayaang gastos.
Paano gumagana ang system?
Ang mga artipisyal na neural network ay binuo tulad ng utak ng tao, na may mga neuron node na magkakaugnay tulad ng isang web. Ang utak ng tao ay may daan-daang bilyon-bilyong mga cell na tinatawag na mga neuron. Ang bawat neuron ay binubuo ng isang katawan ng cell na responsable para sa pagproseso ng impormasyon sa pamamagitan ng pagdadala ng impormasyon patungo sa (mga input) at malayo (mga output) mula sa utak. Ang ANN ay may daan-daang o libu-libong mga artipisyal na neuron na tinatawag na mga yunit ng pagproseso, na magkakaugnay ng mga node. Ang mga yunit ng pagproseso ay binubuo ng mga yunit ng input at output. Ang mga yunit ng input ay nakakatanggap ng iba't ibang mga form at istraktura ng impormasyon batay sa isang panloob na sistema ng pagtimbang, at ang mga neural network ay nagtatangkang malaman ang tungkol sa impormasyong ipinakita upang makagawa ng isang ulat ng output. Tulad ng mga tao na nangangailangan ng mga patakaran at patnubay upang makabuo ng isang resulta o output, ang mga ANN ay gumagamit din ng isang hanay ng mga patakaran sa pag-aaral na tinatawag na backpropagation, isang pagdadaglat para sa pabalik na pagpapalaganap ng error, upang maperpekto ang kanilang mga resulta ng output.
Ang isang ANN sa una ay dumaan sa isang yugto ng pagsasanay kung saan natututo itong kilalanin ang mga pattern sa data, biswal, aurally, o textally. Sa panahon ng pinangangasiwaan na ito, inihahambing ng network ang aktwal na output na ginawa sa kung ano ang ibig sabihin upang makabuo, ibig sabihin, ang nais na output. Ang pagkakaiba sa pagitan ng parehong mga kinalabasan ay nababagay gamit ang backpropagation. Nangangahulugan ito na ang network ay gumagana pabalik mula sa yunit ng output hanggang sa mga yunit ng input upang ayusin ang bigat ng mga koneksyon nito sa pagitan ng mga yunit hanggang sa pagkakaiba sa pagitan ng aktwal at nais na kinalabasan ay gumagawa ng pinakamababang posibleng error.
Sa panahon ng pagsasanay at yugto ng pangangasiwa, itinuro ang ANN kung ano ang hahanapin at kung ano ang dapat na output, gamit ang Oo / Walang mga uri ng tanong na may mga numero ng binary. Halimbawa, ang isang bangko na nagnanais na makita ang pandaraya sa credit card sa oras ay maaaring magkaroon ng apat na mga yunit ng pag-input sa mga tanong na ito: (1) Ang transaksyon ba sa ibang bansa mula sa residente ng bansa ng gumagamit? (2) Ginagamit ba ang website ng card sa kaakibat ng mga kumpanya o bansa sa listahan ng relo ng bangko? (3) Ang halaga ba ng transaksyon ay mas malaki kaysa sa $ 2, 000? (4) Ang pangalan ba sa transaksiyon ng transaksyon ay katulad ng pangalan ng cardholder? Nais ng bangko na ang mga "pandikit na nadiskubre" ay mga sagot na Oo Oo Oo Hindi, na sa binary format ay magiging 1 1 1 0. Kung ang aktwal na output ng network ay 1 0 1 0, inaayos nito ang mga resulta hanggang sa maghatid ng isang output na nag-tutugma sa 1 1 1 0. Matapos ang pagsasanay, maaaring maalerto ng system ng computer ang bangko ng nakabinbing mga mapanlinlang na transaksyon, makatipid ng maraming pera sa bangko.
Mga praktikal na aplikasyon
Ang mga artipisyal na neural network ay inilapat sa lahat ng mga lugar ng operasyon. Ang mga service provider ng email ay gumagamit ng ANN upang makita at matanggal ang spam mula sa inbox ng isang gumagamit; Ginagamit ito ng mga tagapamahala ng asset upang matantya ang direksyon ng stock ng isang kumpanya; Ginagamit ito ng mga credit rating firms upang mapabuti ang kanilang mga pamamaraan sa pagmamarka ng kredito; Ginagamit ito ng mga platform ng e-commerce upang mai-personalize ang mga rekomendasyon sa kanilang madla; Ang mga chatbots ay binuo gamit ang ANN para sa natural na pagproseso ng wika; ang mga malalim na algorithm ng pag-aaral ay gumagamit ng ANN upang mahulaan ang posibilidad ng isang kaganapan; at ang listahan ng pagsasama ng ANN ay nagpapatuloy sa maraming sektor, industriya at bansa.
